Opus 5.5 действительно ослабили: 3 ноября его логика резко изменилась
Is Opus 5.5 nerfed? Thinking patterns changed on November 3
Shane Melaugh прогнал 1400 сессий Claude Code через Gemini 4 Argon и обнаружил, что 3 ноября характер рассуждений Opus 5.5 резко изменился, хотя название модели осталось прежним. Объём размышлений в режиме high резко упал. В тесте на реальном баге Opus 5.5 high бросался в бой, путался и не находил решения за три часа, тогда как xhigh находил фикс за минуты. Вывод: совет «используй high для всего» больше не работает.
так что да, вам не кажется. ослабление реально.
- PhunkyPhil
У меня нет никаких доказательств/исследований в подтверждение этого, но у меня есть ощущение, что существует _массивное_ количество возни с квантованием/функциональностью моделей на разных этапах цикла релиза и свежести аккаунта.
Каждый раз, когда выходит новая модель, она кажется безумно мощной, а затем регрессирует до какого-то общего уровня SOTA, к которому мы привыкли за последние 6 месяцев.
Я помню свой первый запрос по кодингу, кажется, это был sonnet 4.6, на свежем аккаунте, и меня шокировало, как много он успешно сделал с одного запроса — я не находил такого ни с одной другой моделью ни в какое другое время, и подозреваю, что это потому, что они поставили меня в начало списка приоритетов, чтобы получить реакцию «вау».
Регрессия после релиза — это довольно общепризнанный факт, но мне интересно, не держат ли они втайне огромный запас, который не выпускают. Либо как козырь на будущее, либо потому что не успевают за спросом. Я слышал анекдоты от людей, работающих с этими компаниями, что публичные модели даже близко не стоят к их реальным возможностям... У кого-нибудь есть мнение на этот счёт?
- PaulKeeble
Локальная Qwen 3.8 27B может быть и не так умна, как модели Claude, но я никогда не просыпаюсь однажды утром и не задаюсь вопросом, не являюсь ли я частью какой-то тестовой модели, чтобы проверить, приму ли я что-то чуть менее способное или не так хорошо обученное работе с инструментами, которые я использую каждый день. Она также внезапно не начнёт отказываться тестировать безопасность моей системы или сканировать код на уязвимости или продолжать реверс-инжиниринг того старого бинарника, код которого компания потеряла много лет назад.
Мне это также нравится в некоторых других лабораториях, вроде deepseek, которые публикуют чекпоинт, на котором работают, и при этом ещё какое-то время продают вам старый.
Это до отвращения антипотребительски — постоянно менять и перекраивать то, что представляет собой модель, для клиентов, которые платят им гораздо больше, чтобы быть на переднем крае моделей.
- rzk
Похоже, это эксперимент с A/B-тестированием:
https://www.reddit.com/r/ClaudeCode/comments/1xr9x5y/the_ner...
- losvedir
У кого-нибудь есть эвалы, которые ловят реальный сигнал? Я научился не доверять «вайбам».
Единственное, что я знаю, что тестирует именно Opus 5.5 с течением времени, — это https://github.com/ninjahawk/livenerf, и там ничего не показывает.
- benwills
Я заметил падение качества Fable пару недель назад. И заметил, что Opus просел за последнюю неделю, даже после того, как поднял по умолчанию до Extra High reasoning почти для всего.
Сегодняшний вечер был безумным из-за того, какие абсурдные ошибки он повторяет снова и снова. Это так раздражает.
Я из тех людей, кто хочет, чтобы всё было стабильно и надёжно. И Anthropic был отличным, кроме вот этого. А это достаточно повторяющееся разочарование (примерно раз в пару месяцев в этом году), что я искренне жду, когда другие варианты догонят. Тогда я уйду, как только смогу.
Просто не знаю, сколько это займёт.
- jascha_eng
Печально, что эта штука перестала работать несколько недель назад, срок жизни продукта в наши дни поистине недолог, иначе у нас были бы данные, на которые можно опереться: https://marginlab.ai/trackers/claude-code/
- purpleidea
Его нерфили уже давно. Любой, кто пробовал оригинальный Fable 5, знает, насколько он был хорош, и все последующие модели, включая нынешние Fable и Opus, определённо были нерфлены. Как будто они добавляют обязательные 5% ошибок во весь код и т.д...
- ricardobeat
Я заметил то же самое и писал об этом три дня назад.
Opus внезапно запорол базовые вызовы инструментов и не может завершить задачи даже на high, хотя я постоянно использовал его на low effort с успехом с момента выхода. Это очень раздражает.
Моя догадка: они его квантовали и/или перераспределили мощности дата-центров на обучение новой модели, такое уже бывало.
- Zambyte
Меня поражает, как люди до сих пор строят свои рабочие процессы вокруг зависимости от таких сервисов, когда так легко просто развернуть всё у себя и забыть обо всём этом. Можно купить GPU, который потянет Qwen 3.8 flash, примерно за стоимость 9 месяцев подписки Claude Code высшего тарифа. Вам никогда не придётся беспокоиться о лимитах токенов, о том, что модель меняется у вас под носом, о бане и т.д.
- hoppp
Они всегда нерфят перед выпуском новой модели, чтобы она выглядела лучше, имхо